构建一个简单的自编码器模型

自编码器模型的构建。它通常涉及神经网络架构，并可使用 MNIST 等数据集进行示例。Keras 使得构建神经网络相当容易实现，因此将用于模型构建。

构成要素：Keras 中的层

自编码器其核心是一个神经网络。我们将使用层来构建它。对于这个基本模型，我们将主要使用 Dense 层。Dense 层是一个全连接层，意味着其中的每个神经元都从上一层的所有神经元接收输入。

我们的自编码器将包含两个主要部分：

1. 编码器 (Encoder)：这部分接收输入数据，并将其压缩成较小的表示，通常称为“瓶颈层 (bottleneck)”或“潜在空间 (latent space)”。
2. 解码器 (Decoder)：这部分接收来自瓶颈层的压缩表示，并尝试从中重建原始输入数据。

我们将使用 Keras 的 Sequential 模型，它非常适合以线性层堆栈的形式创建模型。

定义编码器

编码器的作用是降低输入数据的维度。如果我们的输入数据是例如一个展平的 MNIST 图像，具有 $28 \\times 28 = 784$ 像素，编码器会将这 784 个维度映射到一个小得多的数字。

1. 输入层：我们编码器中的第一个层需要知道输入数据的形状。对于展平的 MNIST 图像，这将是 784 个特征。我们通过在第一个 Dense 层中使用 input_shape 参数来指定这一点。
2. 隐藏层（编码器）：我们可以添加一个或多个 Dense 层，它们会逐渐减少神经元的数量。例如，从 784 个输入，我们可能会缩减到 128 个神经元。
3. 瓶颈层：这是编码器的最后一层，它包含最少数量的神经元。该层生成压缩表示。假设我们将其压缩到 64 个神经元。该层的大小，即 encoding_dim，是一个重要参数。
4. 激活函数：对于编码器中的隐藏层，包括瓶颈层，我们将使用 ReLU（修正线性单元）激活函数。ReLU 是一种常用选择，因为它有助于训练深度网络且计算高效。它简单地在输入为正时输出输入值，否则输出零：$f(x) = \\max(0, x)$。

定义解码器

解码器的任务与编码器相反。它接收来自瓶颈层的压缩表示，并将其扩展回原始输入的维度。

1. 隐藏层（解码器）：这些层将增加神经元的数量，与编码器相似但顺序相反。例如，从瓶颈层的 64 个神经元，我们可能会扩展到 128 个神经元。
2. 输出层：解码器的最后一层必须与原始输入数据（例如 MNIST 的 784 个）具有相同数量的神经元。该层生成重建数据。
3. 激活函数（输出）：对于输出层，一个常用选择是 Sigmoid 激活函数，特别是当输入数据（如像素值）被归一化到 0 到 1 之间时。Sigmoid 函数，$f(x) = \\frac{1}{1 + e^{-x}}$，将其输出压缩到 (0, 1) 范围，使其适合重建归一化数据。

使用 Keras 代码实现

让我们将其转化为 Keras 代码。首先，请确保您已设置 Keras 后端为 PyTorch，并导入了必要的库。

import os
os.environ["KERAS_BACKEND"] = "torch"
import keras
from keras import layers

# 定义输入维度。
# 对于 MNIST，每张图像是 28x28 像素，展平后为 784。
input_dim = 784

# 定义编码表示（瓶颈层）的大小。
# 这是一个您可以调整的超参数。我们选择 64。
encoding_dim = 64

# 使用 Keras Sequential API 定义自编码器模型
autoencoder = keras.Sequential([
    # 编码器部分
    layers.Dense(128, activation='relu', input_shape=(input_dim,)), # 输入层连接到第一个隐藏层
    layers.Dense(encoding_dim, activation='relu'),                     # 瓶颈层

    # 解码器部分
    layers.Dense(128, activation='relu'),                          # 解码器的第一个隐藏层
    layers.Dense(input_dim, activation='sigmoid')                     # 输出层，重建输入
])

# 显示模型架构
autoencoder.summary()

当您运行 autoencoder.summary() 时，Keras 将打印一个类似下方的表格（参数的确切数量可能因版本而略有不同，但结构将保持一致）：

Model: "sequential"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 dense (Dense)               (None, 128)               100480    

 dense_1 (Dense)             (None, 64)                8256      

 dense_2 (Dense)             (None, 128)               8320      

 dense_3 (Dense)             (None, 784)               101136    

=================================================================
Total params: 218,192
Trainable params: 218,192
Non-trainable params: 0
_________________________________________________________________

理解摘要：

• 层（类型）：显示每个层的名称和类型。如果您不指定，Keras 会自动命名。
• 输出形状：(None, 128) 表示该层输出一个张量，其中第一个维度（None）是批量大小（可变），第二个维度是神经元数量（此处为 128）。
• 参数数量：这是该层中可训练参数（权重和偏置）的数量。例如，第一个 Dense 层将 784 个输入连接到 128 个神经元。这包含 $784 \\times 128$ 个权重加上 128 个偏置，总计 $100352 + 128 = 100480$ 个参数。

模型架构可视化

一张图可以帮助将数据流经自编码器的过程可视化：

此图显示了数据从输入层流经编码器（在瓶颈层压缩到 64 个单元），然后通过解码器在输出端重建原始的 784 个单元。

在此结构中：

• 我们使用 Dense 层，因为它们多功能且是许多神经网络任务（包括基本自编码器）的良好起点。
• 隐藏层中使用 ReLU（activation='relu'）。它是一种常用选择，有助于模型有效学习。
• 输出层中使用 Sigmoid（activation='sigmoid'）。如果您的输入像素值被缩放到 0 到 1 之间（这是图像的常见预处理步骤），Sigmoid 可以确保输出值也在此范围内，这有助于将重建与原始数据进行比较。

模型架构定义好后，下一步是配置其用于训练。这包括选择一个损失函数（用于衡量自编码器的表现）和一个优化器（用于指示模型如何改进）。我们将在下一节中介绍这一点。